针对当前人工操控船舶空气舱查验机器人穿越空气舱效率低的问题,提出一种基于位置的八轮足船舶空气舱查验机器人视觉伺服控制方法。该方法基于全局阈值分割法实时提取深度图像中舱门轮廓的几何特征,选取采样点计算机器人与舱门的相对位姿,为控制系统提供较高实时性的视觉反馈;面向机器人八舵轮结构设计出分层控制器,上层为横向、纵向及旋转运动解耦控制器,下层为舵轮目标速度追踪控制器,实现了机器人全向移动控制。搭建实验环境对该方法进行验证,结果表明:仿真实验中,机器人与舱门的横向误差小于2 cm,角度误差小于0.02 rad,能够在到达预设位姿时精确执行越障动作;实体实验中,该方法相较于人工操作在查验用时上减少了69.74%,舱门通过率提高了59.24%,验证了该方法的有效性。
服务机器人产业的迅速发展带来了模块和产品选择的多样化,但也使精准匹配用户需求与合适模块变得日益困难。现有的服务机器人模块检索匹配方法普遍存在人工依赖性强、匹配精度低、响应时间长等问题。针对这些挑战,研究提出了KAMR,一种面向服务机器人模块匹配的知识增强自适应多源检索框架。KAMR通过整合技术规格匹配、语义功能匹配和领域知识图谱,实现了模块功能与应用场景的结构化表示与关联,并根据查询复杂度动态调整处理策略。实验结果表明,KAMR框架在处理简单至复杂的各类查询时均优于现有方法,特别是在复杂查询上的性能提升达15.3%,同时保持较低的响应时间。研究还构建并开源了包含2051条模块和产品数据的服务机器人模块语义描述数据集,为该领域研究提供基准资源。
在机器人具有建模不确定性情况下进行精确力/位控制是个具有挑战性的课题。为解决这一难题,提出了一种采用基于改进积分滑模控制进行视力觉混合控制以克服不确定性的控制方法。为进行视觉伺服,利用一种优化视觉特征方法避免视觉雅可比矩阵病态7。针对积分滑模控制提出基于时间延迟估计的改进超扭曲算法,并对积分滑膜控制正定部分使用改进滑模面与趋近律,对应提出视觉控制法和力控制法应用于视力觉混合控制框架。为避免力控部分噪声对控制输出造成影响,采用视觉导纳框架进行混合控制。为优化固定导纳参数导致的固化阻抗特性,提出模糊自适应导纳框架,以期继承导纳优点的同时实时自适应调整参数。最后采用6自由度偏差模型仿真验证所提方案能够在相对更小的颤振下精确跟踪视觉轨迹和期望力,并基于直接视力觉混合控制、视觉导纳控制框架和模糊自适应导纳框架比较了具有不同侧重点的三者的表现。在偏差模型下,通过曲面力跟踪验证所提i-CISMC算法在保证更小控制颤振的同时有更好的跟踪精度;将所提算法与模糊自适应导纳框架结合,噪声下跟踪结果证明该框架在继承导纳框架对力环干扰柔顺性,同时能自适应改变导纳参数从而获得更优的跟踪速度和跟踪精度。
具有波动流量的传送带电机系统在数学上可以描述为具有扰动的切换系统。但在实际工程中,扰动的不确定性会影响输送过程的完成时间。因此,为了解决这类未知扰动下切换控制系统的稳定时间先验性问题,提出了一种显式时间自适应区间二型模糊控制方法。首先,将传送带电机系统描述为具有时间切换关系的系统。然后,根据系统的显式时间稳定性设计了鲁棒控制器。最后,为了处理不确定流量波动引起的扰动,采用自适应区间型模糊逻辑系统作为鲁棒项增益来逼近这种不确定性。与现有的相关控制方法相比,所提方法可以实现未知扰动下传送带电机切换系统的显式时间稳定性,并且控制输入更低、更平滑。仿真和实验验证了该方法的有效性。
针对制造业流程工艺质量指标数据波动性强、影响因素繁多,使用传统预测模型难以挖掘其隐含规律实现高精度预测的问题,提出了一种基于VMD-Informer的深度学习质量指标预测模型。首先筛选与质量指标相关的流程工艺参数;接着使用变分模态分解(VMD)将质量指标数据集分解为模态分量与误差项;然后筛选与各分量具有相关性的工艺指标作为输入矩阵;最后使用Informer模型对各分量及误差项分别预测并叠加得到最终预测值。选取国内某制造业企业生产数据,对不同质量指标进行预测,并与LSTM模型和改进前的Informer模型的预测效果进行对比。结果表明:所提的VMD-Informer模型预测误差更小、可决系数较大,预测更为精准,可为制造业企业实现质量预测提供有效方法,并为企业及时调整生产方案提供思路。
针对工件自动分拣过程中目前位姿估计算法存在效率低、鲁棒性弱等问题,基于DeepLabV3+提出工件位姿估计的新算法MCC-DeepLabV3+。该方法将骨干网络的特征提取网络更换为轻量级的MobileNetv2,减少参数数量,提高模型执行速度。此外,在编码模块融入注意力模块CBAM,以增强算法在复杂背景下的分割能力。在解码层,采用级联特征融合方法(CFF)提高网络的语义信息表征能力,优化特征融合网络。设计并搭建一套基于二维RGB图像的工件位姿估计系统,通过单目相机拍摄获取辊道上工件,利用所提出的MCC-DeepLabV3+计算出工件的旋转角度和工件本身的长宽信息。实验结果表明MCC-DeepLabV3+算法在计算速度和鲁棒性方面均有较大提高,对工件位姿估计平均速度达到45.7 ms,角度平均误差为1.508%,优于SIFT法、SURF法、FMT法和传统DeepLabV3+法。MCC-DeepLabV3+算法具有分割精度高、分拣效率高、鲁棒性强等优点,更符合工件自动分拣的应用需求。
为实现猪胴体中段肋排的精准自动化分割,提出了一种基于改进YOLOv11-Pose算法的肋排轮廓关键点识别方法。针对现有算法在识别速度、学习效率和检测精度等方面的不足,创新性地将CBAM注意力机制中的CAM注意力子模块替换为Biformer中的Bi-level routing机制,以提升模型的运行效率和识别精度。实验结果表明,改进后的模型在多个性能指标上均取得显著提升。在关键点检测任务中,mAP(0.5)达到0.995,较原版模型提升2.37%;在mAP(0.5-0.95)指标上提升0.97%。目标框预测精确率达到0.983,相较于原版提高2.82%。召回率提升至96.5%,相较于原模型提高7.8%。同时,改进模型在保持模型大小不变的情况下,训练时间缩短8.46%,进一步提升了模型的计算效率。可视化结果表明,改进后的模型能够精准识别猪胴体中段肋排的轮廓,并精确预测五个关键点,为后续自动化分割任务提供了可靠的技术支持。研究结果表明,该方法能够在保证高精度的同时提高计算效率,为智能化猪肉分割技术的发展提供了新的解决方案。
目前曲面共形天线打印相关设备主要为多轴直写,其精度和效率较低,生产成本高,打印过程中由于路径复杂带来的速度匹配难度大,难以实现批量生产;普通二维阵列喷墨打印设备难以在空间曲面上喷印高精度图案以实现各向一致性,根据实际生产需求并结合多轴喷墨成型装置的运动工作特点,建立了曲面喷墨成形墨滴运动模型,设计了单向曲率变化曲面上图像处理和关键点检测方法,搭建了三维曲面阵列喷墨打印位置精度检测与控制系统。实验结果表明,本系统可准确检测关键点,并可有效降低由于多关节机器人振动、进给速度不稳定、喷射距离变化和打印频率变化等因素导致的墨滴位置误差,最终应用本文方法于圆柱面上成形有效双环谐振单元天线图案。
针对钻削铝合金时轴向力过大导致制孔质量差等问题,建立阶梯钻和传统麻花钻钻削6061铝合金仿真模型,并通过钻削实验对比分析两种钻头的制孔质量,同时验证了仿真模型的准确性。刀具结构与制孔质量密切相关,设置不同直径比λ(第一直径与第二直径的比值)的阶梯钻进行钻削模拟,对比钻削过程中产生轴向力的大小和平均毛刺高度。在此基础上,采用响应曲面法对阶梯钻刀具几何参数进行优化,以第一顶角θ 1、第二顶角θ 2以及螺旋角β为变量,通过响应面模型分析得出不同因素对轴向力的影响规律与最优参数组合。结果表明:改进后的阶梯钻与传统麻花钻相比,具有更小的轴向力和更好的加工性能。当阶梯钻的直径比为0.6时,刀具最优几何参数组合θ 1为90°、θ 2为106°和β为28°。
针对多级齿轮传动工况下,低频故障信号易受高频啮合振动、传递路径及环境噪声等因素干扰,造成故障信息分离难度较大的问题,将最大重叠离散小波包变换和快速谱峭度方法相结合用于齿轮箱故障诊断。首先对采集的齿轮箱振动信号进行MODWPT分解,依据分解层数得到对应数量的分量,然后利用快速谱峭度计算确定最优频带参数,对合适分量进行滤波处理,最后通过Hilbert包络解调分析识别故障特征。仿真及局部断齿试验数据分析表明,所提方法可以有效抑制强背景噪声的干扰,突出故障的冲击性特征,准确分离出低频微弱故障成分,且提取效果较单一谱峭度方法及EMD和谱峭度联合降噪方法更具优势。
在现代物流仓储领域,纸箱识别对于库存管理以及物流自动化实现至关重要。针对传统方法及现有部分自动化识别方案在纸箱识别任务中实时性较低、准确度不高等不足,提出一种基于改进YOLOv8网络的纸箱识别方法。首先,提出一种自适应的归一化机制(ADBN)引入YOLOv8骨干网络,使模型能够更好地聚焦于关键特征,增强特征提取效果。在YOLOv8检测头中引入了结合FasterBlock和卷积门控线性单元(CGLU)的C2f-Faster-CGLU机制,提高了模型计算效率与模型局部建模能力。此外,引入一种新的基于最小点距离的边界框相似性比较指标MPDIoU,能够更准确地评估模型预测框与真实框的相似度,改进了损失函数。对比实验结果显示,改进后的模型较原模型mAP@0.5提高了1.6%,召回率提高了1.3%,且相较于其他几种主流的检测算法均有性能上的提升,为物流仓储行业的识别工作提供了更精准高效的技术支持。
针对船舶制造中焊缝缺陷人工检测效率低、可靠性差的问题,提出一种基于改进YOLOv8的船体合拢焊缝外观缺陷检测方法。通过构建包含裂纹、气孔等5类典型缺陷的焊缝数据集,创新性地在YOLOv8目标检测框架中嵌入卷积注意力模块(CBAM)与空间和通道重建卷积模块(ScConv),提升微小缺陷的定位精度与分类鲁棒性。实验表明,改进模型在自建数据集上的mAP50达到83.1%,准确率与召回率分别达到94.9%和87.9%。现场部署测试显示,系统检测速率达0.14 m/s,较传统人工检测效率提升98.6%,满足了实时性需求。该方法为船舶焊缝质量检测提供了自动化解决方案,具有显著工程应用价值。
个性化定制产业中存在大量非标准件图纸设计需求,相似图纸的检索复用已成为提升生产效率的关键。本研究关注于如何将不同设计师(人)在多源项目(业务)中产生的设计图纸(物)进行数据贯通,并基于此进行图纸检索。首先设计了一套基于PDCA方法的图纸标签结构研究流程,并应用于M公司。其次,基于信息熵法给出标签的权重算法,并验证了其可靠性。最后,考虑到生产实际中存在人工标注错误问题,基于贝叶斯更新的方法加入可靠性因子,进一步提升算法准确性。在理论上提供了一套从流程到算法的非标件检索解决方法,并基于已有数据验证了方法的有效性,对于非标件图纸的检索具有指导意义。
针对U型无铁芯永磁同步直线电机推力较小的问题,提出了一种新结构U型永磁同步直线电机。该电机通过在初级内增设导磁块,改变主磁路结构的方法,使电磁推力增加了74.36%,并且将推力波动控制在较小的范围内。首先,通过解析法求解电机气隙内永磁场,并通过对气隙磁场磁通密度的谐波分析,讨论了谐波成份对电机推力及推力波动的影响。然后,分析了若干参数对电机性能的影响,采用田口法对优化变量进行筛选,并通过响应曲面法获取体现优化目标与参数之间函数关系的数学模型。最后,采用白鹭群多目标优化算法对电机进行优化设计,获取了Pareto前沿。通过有限元仿真验证了理论分析的有效性。
针对机电装备零部件运行中感知变量异常传播的挑战,提出了一种多元感知变量异常模式的编码及捕获机制。首先构建了一个多元感知大数据处理平台,实现对各类感知变量异常模式的实时捕获;其次利用运行周期时间窗口,对捕获数据进行切割整合,建立了一个以运行周期为观测维度的时序数据库;最后采用PrefixSpan算法,通过生成长度为1的序列并构建投影数据库,进而在删除前序同类感知变量异常模式后,基于新数据库进行序列计数,得到局部2项频繁集,通过递归投影,获得多元频繁时序依赖项集。研究的方法为处理机电装备零部件运行中感知变量异常传播提供了新视角,对提升零部件运行的可靠性和效率具有显著意义。
针对双目相机采集的飞机发动机叶片点云在重建表面时存在精度低、有大量孔洞等问题,提出一种提高重建表面精度并减少孔洞的改进方法。首先通过统计滤波方法消除噪声点,然后采用移动最小二乘法对点云进行平滑处理,获得满足曲面重建算法要求的均匀、平滑点云。采用贪婪投影三角化算法将点云数据转换为叶片CAD模型,显著提升了模型的准确性。对重构参数进行优化,重建表面的孔洞数量明显减少。通过研究发现,相比传统算法,移动最小二乘法能够在保留叶片表面特征的同时获得更好的平滑效果。移动最小二乘法加贪婪投影三角化算法联合重构的表面外轮廓平均偏差距离和标准偏差分别减小64.5%和57.6%,重建表面精度明显提升。研究的叶片综合重构技术为发动机叶片自动化精确探伤提供了一种高效的解决方案。